JPH07270467A - 故障様相判別方法 - Google Patents
故障様相判別方法Info
- Publication number
- JPH07270467A JPH07270467A JP6063107A JP6310794A JPH07270467A JP H07270467 A JPH07270467 A JP H07270467A JP 6063107 A JP6063107 A JP 6063107A JP 6310794 A JP6310794 A JP 6310794A JP H07270467 A JPH07270467 A JP H07270467A
- Authority
- JP
- Japan
- Prior art keywords
- failure
- waveform
- variable
- flashover
- contact
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Landscapes
- Testing Of Short-Circuits, Discontinuities, Leakage, Or Incorrect Line Connections (AREA)
- Testing Electric Properties And Detecting Electric Faults (AREA)
Abstract
(57)【要約】
【目的】 判別分析を行うコンピュータの負担を軽減し
つつ、高確率の判別率で故障原因の推定を行うことがで
きる故障様相判別方法を提供する。 【構成】 地絡電流波形をスペクトル解析したパワース
ペクトル値を変数とする判別分析法により故障原因を判
別するに当り、雷以外の故障原因を金属接触、鳥獣接
触、樹木接触、碍子汚損の４群に分けて判別を行う。こ
のとき、フラッシオーバ前の波形については少なくとも
商用周波数の１、３、４、７倍の周波数のパワースペク
トル値を変数として用い、フラッシオーバ後の波形につ
いては少なくとも商用周波数の２、３、５、13倍の周波
数のパワースペクトル値を変数として用いて判別分析を
行う。
つつ、高確率の判別率で故障原因の推定を行うことがで
きる故障様相判別方法を提供する。 【構成】 地絡電流波形をスペクトル解析したパワース
ペクトル値を変数とする判別分析法により故障原因を判
別するに当り、雷以外の故障原因を金属接触、鳥獣接
触、樹木接触、碍子汚損の４群に分けて判別を行う。こ
のとき、フラッシオーバ前の波形については少なくとも
商用周波数の１、３、４、７倍の周波数のパワースペク
トル値を変数として用い、フラッシオーバ後の波形につ
いては少なくとも商用周波数の２、３、５、13倍の周波
数のパワースペクトル値を変数として用いて判別分析を
行う。
Description
【０００１】
【産業上の利用分野】本発明は、送電線や配電線のよう
な電力線において地絡故障が生じた場合に、その地絡電
流波形から故障原因を判別する故障様相判別方法に関す
るものである。
な電力線において地絡故障が生じた場合に、その地絡電
流波形から故障原因を判別する故障様相判別方法に関す
るものである。
【０００２】
【従来の技術】電力線の地絡故障の原因としては、落
雷、樹木の接触、鳥の接触、蛇の接触、クレーンの接
触、釣竿の接触、氷の付着、碍子の汚損等の様々な原因
がある。これらのいずれかの原因により電力線に地絡故
障が生じた場合、監視所において地絡故障の発生は容易
に把握できるものの、その故障原因が何であるかを特定
することは容易ではない。このため、作業者が現場へ出
向いて故障原因を発見したうえで修復作業を行っている
が、故障点及び故障原因を発見するまでに多くの時間を
要するという問題があった。
雷、樹木の接触、鳥の接触、蛇の接触、クレーンの接
触、釣竿の接触、氷の付着、碍子の汚損等の様々な原因
がある。これらのいずれかの原因により電力線に地絡故
障が生じた場合、監視所において地絡故障の発生は容易
に把握できるものの、その故障原因が何であるかを特定
することは容易ではない。このため、作業者が現場へ出
向いて故障原因を発見したうえで修復作業を行っている
が、故障点及び故障原因を発見するまでに多くの時間を
要するという問題があった。
【０００３】そこで本出願人は、電力線に設置したＣＴ
により地絡電流波形を取込み、これをスペクトル解析し
て得られたパワースペクトル値を判別分析とニューラル
ネットワーク等を利用した故障様相判別方法を開発し、
既に特願平5-72002 号として特許出願済みである。この
方法は故障原因によって地絡電流波形が異なるとの知見
に基づいて開発されたものであり、監視所において故障
原因をほぼ正確に推定したうえで現場へ出向くことがで
き、修復作業時間を大幅に短縮できる利点がある。
により地絡電流波形を取込み、これをスペクトル解析し
て得られたパワースペクトル値を判別分析とニューラル
ネットワーク等を利用した故障様相判別方法を開発し、
既に特願平5-72002 号として特許出願済みである。この
方法は故障原因によって地絡電流波形が異なるとの知見
に基づいて開発されたものであり、監視所において故障
原因をほぼ正確に推定したうえで現場へ出向くことがで
き、修復作業時間を大幅に短縮できる利点がある。
【０００４】
【発明が解決しようとする課題】ところが、この先願の
故障様相判別方法においては地絡電流波形のスペクトル
値及び電流値を判別分析に使用していたため、説明変数
が多く不要な説明変数があると同時に送電系統固有の説
明変数も含まれていたため、他系統に用いた場合判別確
率が低いと同時に汎用性がないという問題があった。本
発明はこのような先願の故障様相判別方法の問題を解決
し、少ない説明変数で系統に左右されることなく高確率
の判別率で故障原因の推定を行うことができる故障様相
判別方法を提供するためになされたものである。
故障様相判別方法においては地絡電流波形のスペクトル
値及び電流値を判別分析に使用していたため、説明変数
が多く不要な説明変数があると同時に送電系統固有の説
明変数も含まれていたため、他系統に用いた場合判別確
率が低いと同時に汎用性がないという問題があった。本
発明はこのような先願の故障様相判別方法の問題を解決
し、少ない説明変数で系統に左右されることなく高確率
の判別率で故障原因の推定を行うことができる故障様相
判別方法を提供するためになされたものである。
【０００５】
【課題を解決するための手段】上記の課題を解決するた
めに完成された請求項１の発明は、電力線の地絡電流波
形から故障原因を判別する故障様相判別方法において、
分析手法として地絡電流波形をスペクトル解析したパワ
ースペクトル値を変数とする判別分析法とニューラルネ
ットワーク法を採用し、雷以外の故障原因が金属接触、
鳥獣接触、樹木接触、碍子汚損の４群のいずれに属する
かを推定することを特徴とするものである。また請求項
２の発明は、地絡電流波形をフラッシオーバ前後に分け
てそれぞれスペクトル解析し、フラッシオーバ前の波形
については少なくとも商用周波数の１、３、４、７倍の
周波数のパワースペクトル値を変数として用い、フラッ
シオーバ後の波形については少なくとも商用周波数の
２、３、５、13倍の周波数のパワースペクトル値を変数
として用いて判別分析を行うことを特徴とするものであ
る。
めに完成された請求項１の発明は、電力線の地絡電流波
形から故障原因を判別する故障様相判別方法において、
分析手法として地絡電流波形をスペクトル解析したパワ
ースペクトル値を変数とする判別分析法とニューラルネ
ットワーク法を採用し、雷以外の故障原因が金属接触、
鳥獣接触、樹木接触、碍子汚損の４群のいずれに属する
かを推定することを特徴とするものである。また請求項
２の発明は、地絡電流波形をフラッシオーバ前後に分け
てそれぞれスペクトル解析し、フラッシオーバ前の波形
については少なくとも商用周波数の１、３、４、７倍の
周波数のパワースペクトル値を変数として用い、フラッ
シオーバ後の波形については少なくとも商用周波数の
２、３、５、13倍の周波数のパワースペクトル値を変数
として用いて判別分析を行うことを特徴とするものであ
る。
【０００６】
【作用】請求項１の発明によれば、先願発明のように故
障原因を細分化するのではなく、判別が容易な雷を除く
故障原因を、金属接触、鳥獣接触、樹木接触、碍子汚損
の４群にまとめた。これらの４群は判別分析にかけた場
合に比較的判別が容易であり、高確率の判別率で故障原
因の推定を行うことができる。しかもこの程度に故障原
因が推定できれば修復作業の内容も特定できるので、修
復作業時間を大幅に短縮できる。また請求項２の発明に
よれば、判別分析に使用する変数を最小限に止めつつ、
高確率の判別率で故障原因の推定を行うことができる。
障原因を細分化するのではなく、判別が容易な雷を除く
故障原因を、金属接触、鳥獣接触、樹木接触、碍子汚損
の４群にまとめた。これらの４群は判別分析にかけた場
合に比較的判別が容易であり、高確率の判別率で故障原
因の推定を行うことができる。しかもこの程度に故障原
因が推定できれば修復作業の内容も特定できるので、修
復作業時間を大幅に短縮できる。また請求項２の発明に
よれば、判別分析に使用する変数を最小限に止めつつ、
高確率の判別率で故障原因の推定を行うことができる。
【０００７】
【実施例】以下に本発明を図示の実施例によって更に詳
細に説明する。図１は本発明のフローチャートであり、
まず電力線の地絡電流波形をＣＴにより取り出し、解析
のために記憶させたうえでファイナルフラッシオーバの
前後の解析部分を取り出す。このためにファイナルフラ
ッシオーバを特定する必要があるが、地絡電流値がある
しきい値（例えば２０Ａ）を越えたときをファイナルフ
ラッシオーバの発生点と定義すればよい。
細に説明する。図１は本発明のフローチャートであり、
まず電力線の地絡電流波形をＣＴにより取り出し、解析
のために記憶させたうえでファイナルフラッシオーバの
前後の解析部分を取り出す。このためにファイナルフラ
ッシオーバを特定する必要があるが、地絡電流値がある
しきい値（例えば２０Ａ）を越えたときをファイナルフ
ラッシオーバの発生点と定義すればよい。
【０００８】落雷の場合にはファイナルフラッシオーバ
の波高値がその後の続流の波高値よりも非常に大きいた
め、この段階において容易に判別ができる。このため落
雷の場合には判別分析を行うまでもない。そして落雷以
外の場合には、地絡電流波形からＤＣ成分をカットした
うえ、地絡電流値の最大振幅により正規化を行い、振幅
の最大値を一定に揃える。
の波高値がその後の続流の波高値よりも非常に大きいた
め、この段階において容易に判別ができる。このため落
雷の場合には判別分析を行うまでもない。そして落雷以
外の場合には、地絡電流波形からＤＣ成分をカットした
うえ、地絡電流値の最大振幅により正規化を行い、振幅
の最大値を一定に揃える。
【０００９】次に正規化された地絡電流波形を、周波数
分析器にかけてスペクトル解析を行う。これにより電力
線の商用周波数の整数倍の周波数のパワースペクトル値
が得られる。その実例を、樹木接触、鳥の接触、金属ケ
ーブルの接触の３つの場合について図２、図３、図４に
示す。
分析器にかけてスペクトル解析を行う。これにより電力
線の商用周波数の整数倍の周波数のパワースペクトル値
が得られる。その実例を、樹木接触、鳥の接触、金属ケ
ーブルの接触の３つの場合について図２、図３、図４に
示す。
【００１０】次にこのようにして得られた商用周波数の
整数倍の周波数のパワースペクトル値を変数として、判
別分析法による故障原因の推定を行う。この判別分析法
とは多変量解析法のひとつであって、あるサンプルが複
数の群のいずれに属するかを多変量データに基づいて統
計的に判別する手法である。その基本的な考え方は、図
５に示すように判別したいサンプルと各群の重心との距
離（マハラノビス距離）を算出し、その値が最も小さい
群にそのサンプルが属するとするものである。本発明に
おいては、雷以外の故障原因を金属接触、鳥獣接触、樹
木接触、碍子汚損の４群に分類し、故障原因がそのいず
れに属するかを判別分析法により推定するようにした。
このように本発明では多数の故障原因を判別が容易な上
記の４群にまとめたため、判別分析法によって高い判別
率で故障原因を判別することが可能である。
整数倍の周波数のパワースペクトル値を変数として、判
別分析法による故障原因の推定を行う。この判別分析法
とは多変量解析法のひとつであって、あるサンプルが複
数の群のいずれに属するかを多変量データに基づいて統
計的に判別する手法である。その基本的な考え方は、図
５に示すように判別したいサンプルと各群の重心との距
離（マハラノビス距離）を算出し、その値が最も小さい
群にそのサンプルが属するとするものである。本発明に
おいては、雷以外の故障原因を金属接触、鳥獣接触、樹
木接触、碍子汚損の４群に分類し、故障原因がそのいず
れに属するかを判別分析法により推定するようにした。
このように本発明では多数の故障原因を判別が容易な上
記の４群にまとめたため、判別分析法によって高い判別
率で故障原因を判別することが可能である。
【００１１】また先願の故障様相判別方法においては、
これらの各パワースペクトル値及び電流値を判別分析法
の変数としてコンピュータに入力していたため、不要な
説明変数が含まれていたが、ここではフラッシオーバ前
の波形については少なくとも商用周波数の１、３、４、
７倍の周波数のパワースペクトル値を変数として用い、
フラッシオーバ後の波形については少なくとも商用周波
数の２、３、５、13倍の周波数のパワースペクトル値を
変数として用いて判別分析を行う。
これらの各パワースペクトル値及び電流値を判別分析法
の変数としてコンピュータに入力していたため、不要な
説明変数が含まれていたが、ここではフラッシオーバ前
の波形については少なくとも商用周波数の１、３、４、
７倍の周波数のパワースペクトル値を変数として用い、
フラッシオーバ後の波形については少なくとも商用周波
数の２、３、５、13倍の周波数のパワースペクトル値を
変数として用いて判別分析を行う。
【００１２】原因が判明している多数の実際の地絡故障
波形を用いて判別分析を行った結果、フラッシオーバ前
の波形について商用周波数の１、３、４、５、７倍の周
波数のパワースペクトル値を変数とし、フラッシオーバ
後の波形について商用周波数の２、３、５、13倍の周波
数のパワースペクトル値を変数として判別分析を行った
場合、変数の数はわずか９個でその判別率は90.8％であ
った。また、フラッシオーバ前の波形について商用周波
数の１、３、４、７、９倍の周波数のパワースペクトル
値を変数とし、フラッシオーバ後の波形について商用周
波数の１、２、３、５、13倍の周波数のパワースペクト
ル値を変数として判別分析を行った場合、変数の数は10
個でその判別率は93.4％であった。また、フラッシオー
バ前の波形について商用周波数の１、３、４、５、７、
９倍の周波数のパワースペクトル値を変数とし、フラッ
シオーバ後の波形について商用周波数の１、２、３、
５、13倍の周波数のパワースペクトル値を変数として判
別分析を行った場合、変数の数は11個でその判別率は9
4.7％であった。更にフラッシオーバ前の波形について
商用周波数の１、２、３、４、５、７、９倍の周波数の
パワースペクトル値を変数とし、フラッシオーバ後の波
形について商用周波数の２、３、５、13倍の周波数のパ
ワースペクトル値を変数として判別分析を行った場合、
変数の数は11個でその判別率は92.1％であった。このほ
かにも多数の変数の組合せが考えられるが、いずれも上
記した４例に比較して変数の個数が増加するか、あるい
は判別率が低下することが確認された。
波形を用いて判別分析を行った結果、フラッシオーバ前
の波形について商用周波数の１、３、４、５、７倍の周
波数のパワースペクトル値を変数とし、フラッシオーバ
後の波形について商用周波数の２、３、５、13倍の周波
数のパワースペクトル値を変数として判別分析を行った
場合、変数の数はわずか９個でその判別率は90.8％であ
った。また、フラッシオーバ前の波形について商用周波
数の１、３、４、７、９倍の周波数のパワースペクトル
値を変数とし、フラッシオーバ後の波形について商用周
波数の１、２、３、５、13倍の周波数のパワースペクト
ル値を変数として判別分析を行った場合、変数の数は10
個でその判別率は93.4％であった。また、フラッシオー
バ前の波形について商用周波数の１、３、４、５、７、
９倍の周波数のパワースペクトル値を変数とし、フラッ
シオーバ後の波形について商用周波数の１、２、３、
５、13倍の周波数のパワースペクトル値を変数として判
別分析を行った場合、変数の数は11個でその判別率は9
4.7％であった。更にフラッシオーバ前の波形について
商用周波数の１、２、３、４、５、７、９倍の周波数の
パワースペクトル値を変数とし、フラッシオーバ後の波
形について商用周波数の２、３、５、13倍の周波数のパ
ワースペクトル値を変数として判別分析を行った場合、
変数の数は11個でその判別率は92.1％であった。このほ
かにも多数の変数の組合せが考えられるが、いずれも上
記した４例に比較して変数の個数が増加するか、あるい
は判別率が低下することが確認された。
【００１３】
【発明の効果】以上に説明したように、本発明の故障様
相判別方法によれば、判別分析を行うコンピュータの負
担を軽減しつつ、高確率の判別率で故障原因の推定を行
うことができる。このため監視所において故障原因をほ
ぼ正確に推定したうえで現場へ出向くことができ、修復
作業時間を大幅に短縮できる利点がある。
相判別方法によれば、判別分析を行うコンピュータの負
担を軽減しつつ、高確率の判別率で故障原因の推定を行
うことができる。このため監視所において故障原因をほ
ぼ正確に推定したうえで現場へ出向くことができ、修復
作業時間を大幅に短縮できる利点がある。
【図１】本発明の実施例を示すフローチャートである。
【図２】樹木接触の場合の地絡波形とそのスペクトルを
示すグラフである。
示すグラフである。
【図３】鳥の接触の場合の地絡波形とそのスペクトルを
示すグラフである。
示すグラフである。
【図４】金属ケーブルの接触の場合の地絡波形とそのス
ペクトルを示すグラフである。
ペクトルを示すグラフである。
【図５】判別分析法の判別原理を示すグラフである。
フロントページの続き (72)発明者 横谷 宗久 愛知県名古屋市緑区大高町北関山20番地の １ 中部電力株式会社電力技術研究所内 (72)発明者 勝川 裕幸 愛知県名古屋市瑞穂区須田町２番56号 日 本碍子株式会社内 (72)発明者 森川 智 愛知県名古屋市瑞穂区須田町２番56号 日 本碍子株式会社内 (72)発明者 鹿野 保 愛知県名古屋市瑞穂区須田町２番56号 日 本碍子株式会社内
Claims (2)
- 【請求項１】 電力線の地絡電流波形から故障原因を判
別する故障様相判別方法において、分析手法として地絡
電流波形をスペクトル解析したパワースペクトル値を変
数とする判別分析法を採用し、雷以外の故障原因が金属
接触、鳥獣接触、樹木接触、碍子汚損の４群のいずれに
属するかを推定することを特徴とする故障様相判別方
法。 - 【請求項２】 地絡電流波形をフラッシオーバ前後に分
けてそれぞれスペクトル解析し、フラッシオーバ前の波
形については少なくとも商用周波数の１、３、４、７倍
の周波数のパワースペクトル値を変数として用い、フラ
ッシオーバ後の波形については少なくとも商用周波数の
２、３、５、13倍の周波数のパワースペクトル値を変数
として用いて判別分析を行うことを特徴とする請求項１
に記載の故障様相判別方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP6063107A JPH07270467A (ja) | 1994-03-31 | 1994-03-31 | 故障様相判別方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP6063107A JPH07270467A (ja) | 1994-03-31 | 1994-03-31 | 故障様相判別方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JPH07270467A true JPH07270467A (ja) | 1995-10-20 |
Family
ID=13219746
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP6063107A Pending JPH07270467A (ja) | 1994-03-31 | 1994-03-31 | 故障様相判別方法 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPH07270467A (ja) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2007020364A (ja) * | 2005-07-11 | 2007-01-25 | Nissan Motor Co Ltd | 車両用地絡検出装置 |
| JP2010133788A (ja) * | 2008-12-03 | 2010-06-17 | Toshiba Corp | 潤滑剤及び粘稠性物質の劣化診断方法 |
| JP2012032301A (ja) * | 2010-07-30 | 2012-02-16 | Kyoto Univ | 電気設備の異常要因推定装置、コンピュータプログラム、電気設備の異常要因推定方法、及び、電気設備の異常要因推定システム |
| JP2013524463A (ja) * | 2010-04-09 | 2013-06-17 | デルファイ・テクノロジーズ・インコーポレーテッド | 力軌跡（ｓｉｇｎａｔｕｒｅ）を使用して品質合格基準を決定するための方法 |
| JP2018125912A (ja) * | 2017-01-30 | 2018-08-09 | 学校法人鶴学園 | 地絡要因判定装置 |
| JP2019207130A (ja) * | 2018-05-29 | 2019-12-05 | 東日本旅客鉄道株式会社 | 直流き電線の高抵抗地絡検出装置 |
-
1994
- 1994-03-31 JP JP6063107A patent/JPH07270467A/ja active Pending
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2007020364A (ja) * | 2005-07-11 | 2007-01-25 | Nissan Motor Co Ltd | 車両用地絡検出装置 |
| JP2010133788A (ja) * | 2008-12-03 | 2010-06-17 | Toshiba Corp | 潤滑剤及び粘稠性物質の劣化診断方法 |
| JP2013524463A (ja) * | 2010-04-09 | 2013-06-17 | デルファイ・テクノロジーズ・インコーポレーテッド | 力軌跡（ｓｉｇｎａｔｕｒｅ）を使用して品質合格基準を決定するための方法 |
| JP2012032301A (ja) * | 2010-07-30 | 2012-02-16 | Kyoto Univ | 電気設備の異常要因推定装置、コンピュータプログラム、電気設備の異常要因推定方法、及び、電気設備の異常要因推定システム |
| JP2018125912A (ja) * | 2017-01-30 | 2018-08-09 | 学校法人鶴学園 | 地絡要因判定装置 |
| JP2019207130A (ja) * | 2018-05-29 | 2019-12-05 | 東日本旅客鉄道株式会社 | 直流き電線の高抵抗地絡検出装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11444861B2 (en) | Method and apparatus for detecting traffic | |
| CN110488164B (zh) | 一种高压电缆绝缘老化状态综合评估预警方法及系统 | |
| EP4125172A1 (en) | Systems and methods for ai-assisted electrical power grid fault analysis | |
| Costa et al. | Fault-induced transient analysis for realtime fault detection and location in transmission lines | |
| CN111371188A (zh) | 一种用电异常数据实时预警系统 | |
| CN110702966B (zh) | 一种基于概率神经网络的故障电弧检测方法、装置及系统 | |
| CN109992484A (zh) | 一种网络告警相关性分析方法、装置和介质 | |
| Núñez et al. | Feature analysis and classification methodology for overhead distribution fault events | |
| CN111413590B (zh) | 一种基于opgw的输电线路故障与非故障闪络信号辨识方法 | |
| JPH07270467A (ja) | 故障様相判別方法 | |
| CN113340353A (zh) | 一种输电线路的监测方法、设备及介质 | |
| CN110609088A (zh) | 一种支柱绝缘子故障识别方法及装置 | |
| CN114527361A (zh) | 确定交流回路电弧故障的方法及装置 | |
| CN104361259A (zh) | 一种变压器越限运行特征分析方法 | |
| JP5546989B2 (ja) | 電気設備の異常要因推定装置、コンピュータプログラム、電気設備の異常要因推定方法、及び、電気設備の異常要因推定システム | |
| JPH08265959A (ja) | 故障様相判別方法 | |
| CN111060755A (zh) | 一种电磁干扰诊断方法和装置 | |
| JPH0698457A (ja) | 高圧配電線の地絡故障原因判定方法 | |
| CN108899905B (zh) | 一种复杂电网中关键节点的辨识方法及装置 | |
| CN114755529A (zh) | 一种基于深度学习的多特征融合单相接地故障类型辨识方法 | |
| Ozansoy et al. | Optimal sampling requirements for robust and fast vegetation high impedance fault detection | |
| JPH07270466A (ja) | 故障様相判別方法 | |
| CN116937820B (zh) | 一种基于深度学习算法的高压电路线路状态监测方法 | |
| JP6883795B2 (ja) | 地絡要因判定装置 | |
| JPH06289086A (ja) | 故障様相判別方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20010928 |